用于物理强化学习的分层架构中的单光子：光子智能
机器学习
2016-09-05 v1 光学
量子物理
摘要
理解并利用自然过程实现智能功能被称为自然智能，近期引起了多个领域的兴趣，包括用于人工智能的后硅计算以及行为科学中的决策。在先前的研究中，我们成功利用单光子的波粒二象性解决了作为强化学习与决策基础的双臂赌博机问题。在本研究中，我们提出并验证了一种基于单光子的强化学习与决策的分层架构，证明了该原理的可扩展性。具体而言，在两层分层架构中，在零先验知识的情况下解决了四臂赌博机问题，其中利用单光子测量自主调整偏振以实现适当的决策。在分层结构中，出现了层级依赖决策的概念。然而，在某些矛盾问题中，粗粒度层与细粒度层中的最优解会相互冲突。我们表明，虽然我们称之为锦标赛策略的方法可以解决此类矛盾，但单光子的概率特性允许即使在矛盾问题中也能直接定位最优解，从而展现了单光子的探索能力。本研究为未来人工智能分层架构中的光子智能以及自然过程实现智能功能的潜力提供了深刻见解。
引用
@article{arxiv.1609.00686,
title = {Single photon in hierarchical architecture for physical reinforcement learning: Photon intelligence},
author = {Makoto Naruse and Martin Berthel and Aurélien Drezet and Serge Huant and Hirokazu Hori and Song-Ju Kim},
journal= {arXiv preprint arXiv:1609.00686},
year = {2016}
}